シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	計算科学応用演習／Applied Computational Science
時間割コード／Course Code	7221000021
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学部／
曜日コマ／Day, Period	金／Fri　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	3,4
主担当教員／Main Instructor	守真太郎／MORI SHINTARO
科目区分／Course Group	専門教育科目
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
守真太郎／MORI SHINTARO	理工学研究科／

難易度（レベル）／Level	レベル2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○自身の専門領域を修めるために必要となる情報技術について，学識を得ること（見通す力） ○情報技術の知識や技能に基づいて，情報技術の活用や情報社会を理解できるようになること（見通す力） ○パソコンを用いてデータを可視化し、関係を見抜く力を養う(解決していく力） ○推測統計の諸公式を正確に使えるようになる(解決していく力）
授業の概要／Summary of the class	○データ分析による課題解決のための基礎知識と、Pythonによるデータ分析スキルを修得する。 ○機械学習の基本的なアルゴリズムを学びます。 ○Pythonプログラミングを学びます。
授業の内容予定／Contents plan of the class	第１回：Pythonプログラミングの基礎: Jupyter Notebookの基本、変数、制御構造第２回：Pythonライブラリの利用: pandas,numpy,scipy,matplotlib,seaborn 第３回：Pythonによる記述統計：平均、分散、共分散、相関係数、相関行列第４回：ランダムサンプリングと標本統計量の性質第５回：標本統計量の性質第６回：正規分布と応用：推定、検定第７回：カイスクエア検定：分割表、適合度検定第８回：正規線形モデル：単回帰、重回帰第９回：正規線形モデル２：分散分析第１０回：一般化線形モデル：ロジスティック回帰第１１回：正則化とRidge回帰、Lasso回帰第１２回：ニューラルネットワーク第１３回：ニューラルネットワークで画像識別第１４回：PBL課題に取り組む第１５回：PBL課題に取り組む(２) ※講義の進行・理解度などにより内容や予定が異なる場合があります。
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価(授業で出す課題):70%,期末レポート30% 平常評価,期末レポートに基づいて最終的な成績評価を行う予定です。
予習及び復習等の内容／Contents such as preparations for lessons and the review	資料に記載の参考文献や検索により、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます。必ず手を動かしてやっておくこと。(予習,復習は,最低でも各1時間程度行う必要があります。)
教材・教科書／The teaching materials, textbook	「Pythonで学ぶ統計学の教科書」馬場真哉（翔泳社）
参考文献／bibliography	「統計学入門」東京大学出版会（通称「赤本」）「現代数理統計学の基礎」久保川達也（共立出版）
留意点・予備知識／Point to keep in mind, back ground	「統計学の基礎」で学んだ知識は必須です。「確率統計II」の受講も推奨します。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー以外でも大体OKです。用事でいないこともあるので、事前にメールするのが確実です．
Eメールアドレス・HPアドレス／E-mail address, HP address	https://sites.google.com/site/shintaromori/
学問分野1（主学問分野）／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	講義、演習が中心になります。
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	特になし。

No.	回（日時）／Time (date and time)	主題と位置付け（担当）／Subjects and instructor's position	学習方法と内容／Methods and contents	備考／Notes
該当するデータはありません

開講科目名／Course	計算科学応用演習／Applied Computational Science
時間割コード／Course Code	7221000021
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学部／
曜日コマ／Day, Period	金／Fri　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	3,4
主担当教員／Main Instructor	守真太郎／MORI SHINTARO
科目区分／Course Group	専門教育科目
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○自身の専門領域を修めるために必要となる情報技術について，学識を得ること（見通す力） ○情報技術の知識や技能に基づいて，情報技術の活用や情報社会を理解できるようになること（見通す力） ○パソコンを用いてデータを可視化し、関係を見抜く力を養う(解決していく力） ○推測統計の諸公式を正確に使えるようになる(解決していく力）
授業の概要／Summary of the class	○データ分析による課題解決のための基礎知識と、Pythonによるデータ分析スキルを修得する。 ○機械学習の基本的なアルゴリズムを学びます。 ○Pythonプログラミングを学びます。
授業の内容予定／Contents plan of the class	第１回：Pythonプログラミングの基礎: Jupyter Notebookの基本、変数、制御構造第２回：Pythonライブラリの利用: pandas,numpy,scipy,matplotlib,seaborn 第３回：Pythonによる記述統計：平均、分散、共分散、相関係数、相関行列第４回：ランダムサンプリングと標本統計量の性質第５回：標本統計量の性質第６回：正規分布と応用：推定、検定第７回：カイスクエア検定：分割表、適合度検定第８回：正規線形モデル：単回帰、重回帰第９回：正規線形モデル２：分散分析第１０回：一般化線形モデル：ロジスティック回帰第１１回：正則化とRidge回帰、Lasso回帰第１２回：ニューラルネットワーク第１３回：ニューラルネットワークで画像識別第１４回：PBL課題に取り組む第１５回：PBL課題に取り組む(２) ※講義の進行・理解度などにより内容や予定が異なる場合があります。
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価(授業で出す課題):70%,期末レポート30% 平常評価,期末レポートに基づいて最終的な成績評価を行う予定です。
予習及び復習等の内容／Contents such as preparations for lessons and the review	資料に記載の参考文献や検索により、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます。必ず手を動かしてやっておくこと。(予習,復習は,最低でも各1時間程度行う必要があります。)
教材・教科書／The teaching materials, textbook	「Pythonで学ぶ統計学の教科書」馬場真哉（翔泳社）
参考文献／bibliography	「統計学入門」東京大学出版会（通称「赤本」）「現代数理統計学の基礎」久保川達也（共立出版）
留意点・予備知識／Point to keep in mind, back ground	「統計学の基礎」で学んだ知識は必須です。「確率統計II」の受講も推奨します。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー以外でも大体OKです。用事でいないこともあるので、事前にメールするのが確実です．
Eメールアドレス・HPアドレス／E-mail address, HP address	https://sites.google.com/site/shintaromori/
学問分野1（主学問分野）／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	講義、演習が中心になります。
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	特になし。

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information